plik - Home page of Iwona Karcz

ALGORYTMY EWOLUCYJNE
Literatura podstawowa
Arabas J. Wykłady z algorytmów ewolucyjnych, WNT, W-wa, 2001
Michalewicz Z. Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT, W-wa,
1996
Michalewicz Z. D.Fogel, Jak to rozwiązać czyli nowoczesna heurystyka, WNT, W-wa, 2010
D. Goldberg, Algorytmy genetyczne w zastosowaniach, WNT, W-wa,1995
Wykład 1
Algorytmy ewolucyjne jako narzędzie optymalizacji globalnej







Optymalizacja - podstawowe definicje
przestrzeń poszukiwań, funkcja oceny, zadanie optymalizacyjne
Optymalizacja - podział
lokalna, globalna
metody optymalizacji globalnej: deterministyczne, stochastyczne
Trudności w rozwiązywaniu problemów optymalizacyjnych
Metody heurystyczne
Metaheurystyki
Klasyfikacja heurystyk przeszukiwania
Heurystyki populacyjne
Wykład 2
Modele ewolucji



Ewolucja biologiczna
Selekcja naturalna
Ewolucja darwinowska:
cechy fenotypowe, zmiany środowiska
 Motywacja do powstania obliczeń ewolucyjnych:
Dlaczego ewolucja jest dobrą inspiracją dla rozwiązywania problemów
optymalizacyjnych?
Kiedy stosować heurystyki ewolucyjne?
 Terminologia biologiczna
osobnik, populacja, gen, allel, locus, chromosom, genom, genotyp, fenotyp, reprodukcja
 Podstawowe pojęcia obliczeń ewolucyjnych
populacja, osobnik, chromosom, gen, genotyp, fenotyp, funkcja przystosowania
 Krótka historia ewolucji w optymalizacji
Wykład 3
Podstawowe typy algorytmów ewolucyjnych












Co to są algorytmy ewolucyjne ?
Algorytmy klasyczne a algorytmy ewolucyjne
Podstawowe typy algorytmów ewolucyjnych
algorytmy genetyczne, strategie ewolucyjne, programowanie ewolucyjne, programowanie
genetyczne, metoda poszukiwań ewolucyjnych z miękką selekcją
Ogólny schemat metody ewolucyjnej
Etapy działania:
inicjalizacja, ocena przystosowania, sprawdzenie warunków zatrzymania, selekcja
osobników do reprodukcji, operacje genetyczne, utworzenie populacji rodzicielskiej
Różnice w działaniu algorytmów ewolucyjnych
Klasyczny algorytm genetyczny (SGA)
Sposób działania algorytmu genetycznego
Strategie ewolucyjne, strategia (1+1), (μ+ λ), (μ+ λ)
Programowanie ewolucyjne
Programowanie genetyczne
Możliwości rozszerzania algorytmów ewolucyjnych
Podstawowe operatory i reprezentacje






Typy wektorów cech
Sposoby kodowania
binarne, rzeczywiste, logarytmiczne
Selekcja
proporcjonalna, rangowa, turniejowa, elitarna, progowa
Rekombinacja
krzyżowania binarne, rekombinacja wektorów rzeczywistych
Mutacja
dla kodowania binarnego, dla kodowania rzeczywistoliczbowego
Rekombinacja czy mutacja?
Wykład 4
Dynamika adaptacji lokalnej i globalnej






Krajobraz adaptacyjny funkcji przystosowania
Typowe krajobrazy
Nacisk selektywny
Dynamika populacji: jedno optimum
Dynamika populacji: dwa optima
Eksploracja i eksploatacja
Wykład 5
Metody zarządzania populacją
 Metody selekcji – reprodukcja i sukcesja (preselekcja i postselekcja)
modele sukcesji: generacyjny, konkurencji międzypokoleniowej, stanu stałego i inne;
metody selekcji końcowej




Parametry algorytmu ewolucyjnego
metody doboru parametrów
Kryteria zatrzymania algorytmu
Jak oceniać algorytmy?
Zapobieganie przedwczesnej zbieżności
Wykład 6
Algorytmy heurystyczne inspirowane naturą
• Inspiracje i klasyfikacja
• Inteligencja grupowa/rojowa
algorytmy mrówkowe, optymalizacja wielocząsteczkowa
• Sztuczne systemy immunologiczne
algorytm selekcji klonalnej, algorytm selekcji negatywnej
• Ewolucja różnicowa
Wykład 7
Implementacja algorytmów ewolucyjnych. Przykłady zastosowań.